Search for collections on Itenas Repository

TA: IMPLEMENTASI DEEP RESIDUAL NETWORK (RESNET) DALAM IDENTIFIKASI PENYAKIT TUMOR OTAK PADA MANUSIA

Yusuf, Demasta Augustian Muhammad (2021) TA: IMPLEMENTASI DEEP RESIDUAL NETWORK (RESNET) DALAM IDENTIFIKASI PENYAKIT TUMOR OTAK PADA MANUSIA. Skripsi thesis, Institut Teknologi Nasional.

[img]
Preview
Text (Cover)
01 Cover 152016056.pdf

Download (1MB) | Preview
[img]
Preview
Text (Abstrak)
02 Abstrak 152016056.pdf

Download (190kB) | Preview
[img]
Preview
Text (Daftar Isi)
03 Daftar Isi 152016056.pdf

Download (576kB) | Preview
[img]
Preview
Text (Bab 1)
04 Bab 1 152016056.pdf

Download (911kB) | Preview
[img]
Preview
Text (Bab 2)
05 Bab 2 152016056.pdf

Download (2MB) | Preview
[img]
Preview
Text (Daftar Pustaka)
06 Daftar Pustaka 152016056.pdf

Download (397kB) | Preview

Abstract

Tumor otak merupakan salah satu bagian dari tumor pada sistem saraf, di samping tumor spinal dan tumor saraf perifer. Tumor otak dapat berupa tumor yang sifatnya primer ataupun yang merupakan metastasis dari tumor pada organ lainnya. Tumor otak ditandai dengan tumbuhnya sel-sel abnormal di dalam atau di sekitar otak. Sel-sel abnormal itu tumbuh tak wajar dan tidak terkendali. Namun, tumor di dalam otak ini tidak selalu berubah menjadi tumor ganas atau kanker. Dalam penelitian ini penulis menerapkan ResNet50 untuk mengidentifikasi tumor pada otak manusia. Performa sistem diukur berdasarkan nilai akurasi, presisi, recall, dan f-measure. Eksperimen dilakukan pada dataset tumor otak yang diperoleh nilai rata-rata dari segi accuracy, precision, recall, dan f-measure berturut-turut adalah 87.5%, precision 88%, recall 86%, dan f-measure 86%. Nilai-nilai tersebut dipengaruhi oleh jumlah dataset dari citra training, citra validation, dan citra uji. Berdasarkan hasil tersebut, ResNet50 yang diusulkan memiliki kinerja accuracy 87.5%.

Item Type: Thesis (Skripsi)
Contributors:
ContributionContributorsemail
Thesis advisorPardede, Jasmanjasman@itenas.ac.id
Divisions: 1 Fakultas Teknologi Industri > 55201 Teknik Informatika S1
Depositing User: Asep Kamaludin
Date Deposited: 23 Mar 2021 07:57
Last Modified: 05 May 2021 07:52
URI: http://eprints.itenas.ac.id/id/eprint/1159

Actions (login required)

View Item View Item